基于特征匹配的单目相机姿态解算

本文采用了一种基于AKAZE特征检测和PnP算法的单目视觉测量方法对相机的相对姿态进行解算,用于快速准确地确定空间中两个目标间的位姿关系.采集合作目标的模板图像,提取附加到合作目标上的4个特征点的像素坐标,利用AKAZE关键点对模板图像和待测图像进行匹配并计算映射矩阵,通过映射矩阵得到4个特征点在待测图像中的像素坐标,然后结合合作目标的尺寸信息求解基于4个共面特征点的PnP问题,解算相机与合作目标的相对位置.实验分析表明该方法计算的实时图像相机位姿与真实结果接近,验证了本文方法的有效性.     

自动化几何校正中相机位姿自动校正方法

为了解决多投影仪拼接显示系统自动几何校正中相机位姿的自动校正问题,提出了一种利用目标区域角点集的最小外接矩形确定目标的倾斜状态的方法。首先运用Harris角点检测算子检测出目标区域的角点集,并根据角点集的凸包求其最小外接矩形,然后计算最小外接矩形的长或宽的斜率判断出目标区域的倾斜状态,最后结合云台的控制,对相机姿态做出实时调整,实现了自动几何校正工作中相机位姿的自动校正功能。     

基于双目视觉的三维测量技术研究

本文对基于双目视觉的三维测量技术研究进行了深入挖掘,主要包括摄像机模型、双目相机的标定、图像校正、立体匹配等。同时借鉴机器学习的分类思想,将角点提取转化为二分类问题,利用随机森林算法来实现角点提取,再利用随机森林的预测结果来实现亚像素级角点提取。该方法相对于传统三维测量中的角点提取算法具有更好的自动化性能,能避免角点集群现象,能实现较高精度的亚像素级角点提取,获得更高精度的二维像素坐标。从而利用高精度的二维像素坐标来获得点的三维世界坐标,这也是基于双目视觉的三维测量技术的基础与核心。     

小视场多目立体测量系统的研究

以立体视觉测量原理为依据,提出了一种基于三坐标测量机的小视场多目立体测量方法。采用4个呈矩形交向摆放摄像机,同时对一个物体进行摄像,以获取测量目标点的图像坐标和世界坐标,在统一坐标系后,可计算出各组像对中的同名点的空间三维坐标。运用论文提出的角点检测技术,可实现对工件外形非接触测量。实验结果表明,该系统具有较高精度和可行性。     

基于双目视觉的板材平面测量研究

针对传统人工测量板材尺寸精度较低、工作量大、易导致板材表面受损等局限,基于双目视觉技术设计了一种板材尺寸视觉测量系统。通过双目相机采集棋盘格图像,采用MATLAB进行相机标定和图像校正,拍摄左右图像并通过半全局立体匹配算法(SGM,semi global matching)进行特征点立体匹配,重建出目标三维点云模型。为提高目标特征点坐标获取的准确性,提出基于HARRIS的亚像素检测方法。采用区域生长算法结合膨胀和腐蚀操作提取板材表面轮廓,根据三角测量原理计算出板材轮廓上各点的三维坐标从而实现板材的尺寸测量,并进行点云重建增强三维展示效果。实践结果表明亚像素检测方法在角点提取上存在优势,在实际板材测量应用中实现了高精度尺寸测量,满足了工业测量需求。     

基于两台显微相机主动运动的微球孔姿态高精度测量方法

在一些微装配任务中, 对微器件姿态的测量是至关重要的一步. 带有微孔的球形微器件, 特征较少, 姿态测量困难. 为此, 本文提出一种基于双目显微视觉的微球孔姿态高精度测量方法. 设计了微球/微孔边缘提取方法, 实现了微球球心和微孔孔心的精确定位. 通过对两路显微相机聚焦轴方向的标定, 弥补了由相机聚焦轴运动引入的测量误差, 提高了微球孔姿态的测量精度. 通过两路倾斜正交的显微相机的主动运动, 计算出微球孔姿态向量在相机运动坐标系中的分解角. 根据相机运动坐标系与微球调整平台坐标系间的角度转换矩阵, 将相机运动坐标系中的分解角转换为微球调整平台坐标系中的旋转角, 从而计算出精确的微球孔姿态向量. 实验结果表明, 微球孔姿态测量的最大误差为0.08°, 验证了本文方法的有效性.     

基于机器视觉的板件形位测量

为实现快速非接触式的板件形位测量,提出了一种基于机器视觉的测量方法,将机器视觉技术应用到机械加工中。基于机器视觉的板件形位测量利用工业摄像机获取工件图像,经过图像滤波和图像分割后提取工件角点,匹配左右相机中的角点,从而得到角点的三维坐标,并且采用直线拟合的方法拟合工件边缘、计算直线斜率,得到工件的旋转角度。     

基于亚像素的乒乓球机器人本体位姿视觉测量

提出一种基于亚像素精度的特征点提取算法,结合PnP方法和正交迭代(OI)算法计算乒乓球机器人本体的位姿.根据摄像机成像时弥散斑的近似高斯分布,以亚像素精度精确求取色标块的边缘,利用边缘直线交点得到高精度的角点作为特征点.基于PnP算法利用上述特征点求取机器人位姿的初值,再通过OI算法进行优化,以保证其姿态矩阵的正交性.实验结果表明,该方法能快速准确地实现机器人本体的位姿测量.     

便携式车轮定位参数视觉检测系统研究

将双目视觉测量技术应用到汽车四轮定位中,采用两个摄像机的立体视觉方法,采集目标板图像并提取目标板上特征点,并根据几何模型计算特征点的空间位置,求得目标板的空闯位姿,通过分析车轮运动模型建立车轮参数模型,进而得到需要的角度;完成了亚像素级角点提取并正确匹配,标定了两个摄像机的内外参数与视觉系统参数,得到了目标板的空间位姿,通过实验的方法,验证了方案的可行性,分析了误差来源,同时初步搭建了WINCE嵌入式实验平台进行嵌入式算法研究.     

悬臂式掘进机位姿检测方法研究现状

从悬臂式掘进机位姿检测原理出发,介绍了分别基于扇面激光、室内GPS(iGPS)、全站仪、机器视觉、超宽带(UWB)和惯导的掘进机位姿检测方法。基于扇面激光的掘进机位姿检测方法具有计算简单、掘进机机身航向角及X轴(垂直两帮煤壁方向)坐标测量精度高的优点,但无法检测掘进机机身Y轴(掘进方向)、Z轴(垂直地面方向)坐标;基于iGPS的掘进机位姿检测方法能实现全参数位姿测量,检测精度高,但有效测量距离小;基于全站仪的掘进机位姿检测方法能实现全参数位姿测量,但标定、移站复杂;基于机器视觉的掘进机位姿检测方法具有掘进机截割头位置及掘进机机身姿态测量精度高、X轴和Z轴坐标测量精度高的优点,但无法检测掘进机机身Y轴坐标;基于UWB的掘进机位姿检测方法具有自主移站便利、Y轴坐标测量精度高的优点,但Z轴坐标误差较大;基于惯导的掘进机位姿检测方法具有姿态角测量精度较高、测量过程独立非接触的优点,但三轴坐标测量存在累计误差。为满足有效测量距离大于100m、三轴定位误差小于10cm、姿态角误差小于1°的实际应用要求,需要进一步研究机器视觉、UWB、惯导相结合的掘进机位姿组合检测方法,以实现掘进机全自主、全参数、非接触位姿检测。     

基于视频处理的视线稳定技术

针对既有摄像机运动又有前景物体运动的图像稳定问题,提出了一种快速算法。该算法首先利用改进的 Harries 算子提取特征点,根据三级匹配策略实现特征点的三级匹配,并且利用基于块的去噪声点方法检测出前景区域,剔除存在于前景区域的角点;然后建立当前帧与参考帧的映射关系,利用最小二乘法求解出全局运动参数;最后利用 Kalman 滤波平滑运动参数,依据平滑后的参数对图像进行补偿。     

加权方差投影在眼角定位中的应用

提出了一种基于加权方差投影函数(WVPF )的眼角定位方法。该方法利用Haarlike 特征训练级联分类器,定位眼角的粗略位置。同时,采用Harris角点检测中的角点响应函数作为加权因子函数,构建了加权方差投影函数。考虑到眼角的角点特征,眼角位置在眼角区域内的水平加权方差投影曲线和垂直加权方差投影曲线中都有峰值,可通过对加权方差投影曲线的分析对眼角细定位。实验结果表明,该方法在BioID人脸库中对眼角定位表现良好,计算复杂度低。     

基于VB.NET技术构建校园网上英语角

随着网络信息的发展,数字化校园已经得到极大的普及。我国与国际的接轨也使得社会对毕业生外语交际能力的要求越来越高,由于校园英语角的固定性以及有些学生的胆怯和懒惰心理使得校园英语角的作用发挥受到了一定的限制。针对这种情况,初步构思了校园网上英语角。本文从网上校园英语角的总体功能规划开始,构划了校园网上英语角的各个功能环节。     

基于视频图像Harris角点检测的车辆测速

为了方便快速地进行车速测量，提出了一种用于测量视频图像中车辆速度的方法。该方法取运动角点为特征量，通过选择灰度相关函数为特征匹配函数，实现了车辆在一定帧差内移动距离的测量。与传统方法相比，该方法不仅对设备的限制更小，而且运算速度更快。     

改进的Harris亚像素角点快速定位

针对Harris算法检测角点存在偏差、运算慢、像素级精度难于满足实际应用需要等问题,改进了Harris角点检测方法。该方法在Harris提取角点过程中,通过两次角点筛选,剔除非角点和伪角点,利用角点响应函数执行非极大值抑制,以局部角点响应函数最大值的像素点作为初始角点,并以该初始角点为中心,以一定半径搜索角点簇,采用最小二乘法加权角点簇与待求角点的欧几里得距离,精化初始角点坐标,从而实现Harris亚像素角点准确快速定位。实验结果表明了该方法的有效性和实用性。     

Harris角点检测的优化算法

针对Harris角点检测算法中提取出较多的伪角点和计算量大的问题,提出了一种基于Harris角点检测的改进算法. 为抑制Harris角点检测中的伪角点数目并且提高算法的效率,首先加入预筛选得到候选角点,在计算水平和垂直方向梯度时,对于梯度较小的像素点进行预处理,在进行非极大值抑制时采用自适应阈值,提高算法自适应性,最后利用USAN对角点进行进一步选择. 实验结果表明,改进的Harris角点检测算法不仅提高了检测精度和效率,而且对噪声具有一定的鲁棒性.     

利用空间矩提取亚象素角特征

A novel subpixel corner detection method based on spatial moment is developed in this paper. Firstly, the spatial-moment-generating function, gradient magnitude and variation of gradient-direction corner are used as the decision rule of corner detection by analyzing the mathematical formula of corner-model spatial moment. Then Non-max suppression technique is utilized to detect the vertex of feature corner. Finally, in order to improve its localization performance, subpixel corner detection is implemented by the bilinear interpolation and Newton iteration method. Experiments illustrate that the spatial moment corner detector has better robustness and localization performance than Kitchen detector and Harris detector.     

基于有向面积的角点分类算法

在3维场景重构、运动估计、机器视觉等领域,不仅希望能检测出图像中的角点,而且还希望获得角点附近更多的信息,即能对角点进行进一步分类。为了能对图像中检测出的角点进行分类,提出了一种基于有向面积的角点分类方法,该方法首先采用基于协方差矩阵特征向量的小波变换角点检测原理检测出图像边缘上的角点;然后根据角点两侧的边缘信息定义了6种类型的角点;最后通过计算角点附近边缘上顺序排列的3个有向面积,实现对角点的分类。实验表明,基于有向面积的角点分类,具有较高的准确性。     

基于特征块角点检测的电子稳像方法

针对稳像过程中的局部运动干扰, 提出了一种基于特征块角点检测的电子稳像算法。该算法采用SUSAN算子, 对均匀分布的大尺寸特征块进行检测, 并构造特征块及对应检索区域角点集合。通过计算基于角点响应函数的修正Hausdorff距离实现背景局部遮挡下的特征块配准, 进而通过运动矢量一致性检测得到有效运动矢量。实验结果表明, 该方法对实测抖动视频序列的平均峰值信噪比在稳像后提高了19. 83 dB, 对局部运动干扰下的抖动图像序列具有较好的稳像性能。     

基于Harris算子的棋盘式标定点自动提取方法

Harris算子是在计算机视觉领域使用非常广泛的点特征提取算子,它算法简单,而且稳定,但当在光照、震动等复杂情况下,准确率却达不到实际应用的要求。由棋盘角点周围灰度中心对称的特征,提出了一种基于Harris算子改进的棋盘角点自动提取方法。实验证明,该方法可以准确地自动提取标定点,有效地提高标定的精度。